Nota: este texto se publicó originalmente el 1 de septiembre de 2025 en mi antiguo blog, Investigación Docente. Lo recupero ahora para Substack porque sus ideas siguen siendo especialmente útiles al comienzo de curso.
Empieza el curso y reaparece la tentación de «pasarles un examen» para saber dónde están o, simplemente, para rellenar el informe que te piden. Comprensible; pero poco útil si lo entiendes como un filtro o utilizas esa información de manera apresurada. Una evaluación diagnóstica sensata no clasifica ni pronostica el año: sirve para decidir qué harás las primeras semanas de curso —a quién reagrupar, qué andamios activar, qué secuencia ajustar— con la mayor suavidad posible.
La investigación apunta indicios, además, de un detalle que a veces sorprende: pequeñas pruebas bien diseñadas pueden mejorar el aprendizaje, no solo medirlo (Roediger & Karpicke, 2006).
Algunas claves para hacerlo bien
El primer pilar es provocar el pensamiento antes de enseñar. El llamado efecto pretesting muestra que intentar responder a preguntas antes de estudiar (y fallar, inevitablemente) prepara el terreno para aprender mejor después, siempre que haya instrucción o feedback que cierre el ciclo y, por supuesto, que no exista una penalización por fallar esas preguntas.
En un estudio clásico, el alumnado que recibió preguntas previas sobre un texto —y no pudo responderlas bien— lo recordó mejor que quienes solo estudiaron más tiempo, incluso tras una semana de demora: un efecto de prepruebaatribuible a los intentos de evocación, no solo a «prestar más atención» (Richland, Kornell, & Kao, 2009).
En definitiva, se trata de ver estas pruebas diagnósticas como prácticas de evocación. Hacer pequeñas pruebas, frecuentes y de baja presión, consolida la memoria mejor que releer; el beneficio se hace mayor con el tiempo porque lo recuperado se olvida más lentamente. Conviene verlo menos como «examen» y más como aprendizaje: extraer de la memoria pone a trabajar los procesos que estabilizan el recuerdo (Roediger & Karpicke, 2006).
El segundo pilar, más fundamental si cabe, consiste en entender que diagnosticar no es contar aciertos, sino cartografiar concepciones; es decir, detectar cuáles son las concepciones erróneas más importantes sobre aquello que se va a aprender en los primeros meses de curso. Para eso sirve la evaluación diagnóstica: ¿qué es lo más difícil de entender? ¿Qué les cuesta más o sobre qué tienen una base peor? Aquí encajan dos ideas que merece la pena traer al aula.
La primera son las preguntas bisagra de Dylan Wiliam: preguntas que te permiten decidir por dónde empezar, qué conceptos reforzar o qué elementos están consolidados. Bien planteadas, recogen respuestas de toda la clase y discriminan entre «acerté por la razón correcta» y «acerté de casualidad» (Wiliam, 2015).
En este sentido, la segunda idea es una veterana en didáctica de las ciencias: los ítems diagnósticos de dos niveles. Primero, un test de opción múltiple en el que eliges una opción; después, justificas. Las opciones incorrectas no se inventan: representan ideas erróneas típicas recogidas por la investigación, de manera que el patrón de errores es informativo.
Este enfoque, sistematizado por Treagust (1988), ha dado lugar a instrumentos validados como los concept inventories. Por ejemplo, el Force Concept Inventory consiste en una lista de intuiciones erróneas pero persistentes sobre fuerzas y movimiento. Mirar el error así —como dato— es el corazón del diagnóstico útil (Treagust, 1988; Hestenes, Wells, & Swackhamer, 1992).
Todo esto descansa en la tercera idea que conviene no olvidar: devolver buen feedback y actuar en consecuencia. El modelo de Hattie y Timperley sigue siendo una brújula razonable: clarificar la meta (feed up), ubicar dónde estás (feedback) y señalar el siguiente paso (feed forward), evitando la retroalimentación que halaga pero no mueve el aprendizaje. Lo decisivo no es el formato —oral o escrito—, sino que la retroalimentación cambie lo que el alumnado hace después y lo haga pronto (Hattie & Timperley, 2007).
¿Cómo se traduce todo esto en septiembre sin convertirlo en una pesadilla?
En la primera semana, aplica un minidiagnóstico de diez o doce minutos con entre seis y ocho ítems. Si puedes, utiliza preguntas de dos niveles: primero se elige una respuesta y después se justifica. No hace falta pedir una explicación extensa en todos los casos; basta con seleccionar una o dos preguntas especialmente relevantes y añadir «¿por qué?» o «explica brevemente cómo lo has pensado». Esa segunda parte suele ser más informativa que el propio acierto. Permite distinguir entre quien comprende la idea, quien ha llegado a la respuesta por un procedimiento frágil y quien ha acertado por casualidad. También revela errores que una puntuación global dejaría escondidos.
Al revisar las respuestas, evita convertir el resultado en una colección de notas individuales. Busca patrones. Quizá una idea esté razonablemente consolidada en casi toda la clase, otra necesite una breve reactivación y una tercera muestre una concepción errónea bastante extendida. Esas tres situaciones piden respuestas diferentes: continuar, dedicar unos minutos a recuperar y practicar, o replantear la explicación inicial con mejores ejemplos y más apoyo. Puede que algunos estudiantes necesiten un andamio adicional, pero la primera lectura debería hacerse sobre el grupo y sobre las decisiones de enseñanza, no sobre supuestas capacidades estables de cada alumno.
El tercer momento llega al comenzar cada tema, mediante una pregunta bisagra que te permita decidir si seguir o volver atrás. Una buena pregunta bisagra se responde en poco tiempo, recoge la respuesta de toda la clase y presenta alternativas plausibles, vinculadas a errores frecuentes. Su utilidad depende de haber pensado de antemano qué harás con cada patrón de respuesta. Si la mayoría escoge una opción que refleja una confusión concreta, puedes introducir un contraejemplo, volver a representar el concepto de otra manera o proponer una breve discusión entre iguales antes de continuar. Si las respuestas muestran una comprensión suficiente, sigues adelante sin dedicar una sesión entera a contenidos que ya dominan (Wiliam, 2015; Treagust, 1988).
Entendida así, la evaluación inicial deja de ser una prueba aislada que se administra en septiembre y se archiva después. Se convierte en una recogida gradual de indicios durante las primeras semanas: respuestas breves, explicaciones, preguntas del alumnado, pequeños problemas y preguntas bisagra. Ninguno de esos indicios tiene que cargar por sí solo con una conclusión definitiva. Juntos permiten ajustar la enseñanza con bastante más precisión y con mucha menos aparatosidad (Richland et al., 2009; Education Endowment Foundation, 2019).
Peligros comunes de la evaluación inicial
El primer peligro aparece cuando el diagnóstico adopta la forma y el significado de un examen. Una prueba larga, solemne y calificada transmite que el propósito es juzgar lo aprendido, aunque después la llamemos «inicial». También introduce ruido: el rendimiento puede depender de la comprensión lectora, del dominio del idioma, de la familiaridad con el tipo de ejercicio, de la ansiedad que produzca la situación o, simplemente, de cuánto se tarde en recuperar un conocimiento que lleva meses sin utilizarse. Si tratamos esa actuación puntual como una medida transparente de la competencia, corremos el riesgo de interpretar como desconocimiento lo que quizá sea una dificultad de acceso, de expresión o de adaptación al formato.
Un segundo peligro es conceder a los resultados una precisión que no tienen. Obtener cuatro aciertos de ocho no describe por sí solo lo que un alumno sabe ni permite anticipar cómo aprenderá durante el curso. Dos estudiantes con la misma puntuación pueden haber cometido errores completamente distintos; uno puede conservar una concepción equivocada muy estable y otro haber fallado por una distracción o por no entender el enunciado. Por eso resulta poco sensato construir clasificaciones, etiquetas o agrupamientos rígidos a partir de una única prueba. El diagnóstico ofrece hipótesis de trabajo que deben contrastarse con nuevas respuestas y observaciones, no sentencias sobre la capacidad del alumnado.
Estas primeras impresiones, además, pueden condicionar nuestras expectativas. Cuando pensamos demasiado pronto que un estudiante «no tiene base», empezamos a interpretar sus respuestas desde esa etiqueta, le ofrecemos tareas menos exigentes o reducimos las oportunidades de participar. El problema se agrava cuando las dificultades iniciales están relacionadas con barreras lingüísticas, contextuales o de familiaridad con la cultura escolar. La información diagnóstica debería ayudarnos a decidir qué apoyos necesita el alumnado para acceder al aprendizaje, no a rebajar el horizonte de lo que esperamos que pueda alcanzar.
También es frecuente intentar diagnosticar demasiado. Para sentir que la evaluación es completa, se incluyen decenas de ejercicios que recorren todo el currículo anterior. El resultado suele ser una prueba agotadora y una acumulación de datos difíciles de interpretar. Cuantas más cosas medimos, menos claro queda qué decisión concreta se deriva de cada respuesta. Es preferible seleccionar unos pocos prerrequisitos importantes y diseñar preguntas capaces de revelar cómo piensa el alumnado. Una respuesta acompañada de una breve justificación puede ofrecer más información útil que una página entera de ejercicios repetitivos.
El peligro contrario consiste en recoger información y no hacer nada con ella. Si la evaluación inicial termina en una hoja de cálculo, en un informe administrativo o en una calificación que el alumnado recibe sin más, ha perdido casi todo su sentido. Antes de plantear una pregunta conviene pensar qué decisiones permitirían sus posibles respuestas: qué explicarías de nuevo, qué ejemplo utilizarías, qué práctica añadirías o qué apoyo ofrecerías. No todas las diferencias exigen detener la programación ni volver a enseñar el curso anterior. A veces basta con una breve actividad de evocación; otras, con un ejemplo resuelto o con recuperar el conocimiento necesario justo antes de usarlo.
Por último, conviene evitar que septiembre se convierta en un mes entero de repaso preventivo. Revisarlo todo «por si acaso» consume tiempo, puede resultar desmotivador y retrasa innecesariamente el acceso a contenidos nuevos. El diagnóstico debería permitir un repaso más selectivo: recuperar lo que se ha debilitado, intervenir sobre las ideas erróneas que bloquean el aprendizaje y avanzar en aquello que ya está disponible. Mantener expectativas altas es compatible con ofrecer apoyos; de hecho, los apoyos tienen sentido precisamente porque esperamos que el alumnado progrese.
Vale la pena recordar las recomendaciones generales sobre implementación: empieza por algo pequeño, comprueba si funciona en tu contexto y ajusta el procedimiento a partir de lo que observes (Education Endowment Foundation, 2019). Una evaluación inicial útil no requiere plataformas rimbombantes ni exámenes kilométricos; sí, algunas preguntas bien elegidas, una interpretación prudente y la disposición a modificar lo que ocurrirá después en clase.
Bibliografía
Education Endowment Foundation. (2019). Putting evidence to work: A school’s guide to implementation. https://d2tic4wvo1iusb.cloudfront.net/eef-guidance-reports/implementation/EEF_Implementation_Guidance_Report_2019.pdf
Education Endowment Foundation. (2021). Teacher feedback to improve pupil learning (Guidance report). https://educationendowmentfoundation.org.uk/education-evidence/guidance-reports/feedback
Hattie, J., & Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81–112. https://doi.org/10.3102/003465430298487
Hestenes, D., Wells, M., & Swackhamer, G. (1992). Force concept inventory. The Physics Teacher, 30(3), 141–158. https://doi.org/10.1119/1.2343497
Richland, L. E., Kornell, N., & Kao, L. S. (2009). The pretesting effect: Do unsuccessful retrieval attempts enhance learning? Journal of Experimental Psychology: Applied, 15(3), 243–257. https://doi.org/10.1037/a0016496
Roediger, H. L., III, & Karpicke, J. D. (2006). Test-enhanced learning: Taking memory tests improves long-term retention. Psychological Science, 17(3), 249–255. https://doi.org/10.1111/j.1467-9280.2006.01693.x
Treagust, D. F. (1988). Development and use of diagnostic tests to evaluate students’ misconceptions in science. International Journal of Science Education, 10(2), 159–169. https://doi.org/10.1080/0950069880100204
Wiliam, D. (2015). Designing great hinge questions. Educational Leadership, 73(1), 40–44. https://www.ascd.org/el/articles/designing-great-hinge-questions
